tf.keras.layers.Conv1D

Слой свертки 1D (например, временная свертка).

tf.keras.layers.Conv1D(
    filters, kernel_size, strides=1, padding='valid', data_format='channels_last',
    dilation_rate=1, groups=1, activation=None, use_bias=True,
    kernel_initializer='glorot_uniform', bias_initializer='zeros',
    kernel_regularizer=None, bias_regularizer=None, activity_regularizer=None,
    kernel_constraint=None, bias_constraint=None, **kwargs
)

Этот слой создаёт ядро свертки, которое свёртывается с входным слоем по одному пространственному (или временному) измерению для получения тензора выходов. Если use_bias имеет значение True, создаётся вектор смещения, который добавляется к выходам. И наконец, если activation не равно None, он также применяется к выходам.

При использовании этого слоя в качестве первого слоя в модели, укажите аргумент input_shape (кортеж целых чисел или None, например, (10, 128) для последовательностей из 10 векторов по 128-мерным векторам или (None, 128) для последовательностей переменной длины по 128-мерным векторам).

Примеры:

# The inputs are 128-length vectors with 10 timesteps, and the batch size
# is 4.
input_shape = (4, 10, 128)
x = tf.random.normal(input_shape)
y = tf.keras.layers.Conv1D(
32, 3, activation='relu',input_shape=input_shape[1:])(x)
print(y.shape)
(4, 8, 32)

# With extended batch shape [4, 7] (e.g. weather data where batch
# dimensions correspond to spatial location and the third dimension
# corresponds to time.)
input_shape = (4, 7, 10, 128)
x = tf.random.normal(input_shape)
y = tf.keras.layers.Conv1D(
32, 3, activation='relu', input_shape=input_shape[2:])(x)
print(y.shape)
(4, 7, 8, 32)

Форма входных данных:

3+D тензор с формой: batch_shape + (steps, input_dim)

Форма выходных данных:

3+D тензор с формой: batch_shape + (new_steps, filters) steps значение может измениться из-за заполнения или шагов.